Mendeley  

Zotero  

Rostami M, Javanmard Zadeh A, Saed Mochshi A, Heidari R, Eliyasvand M I. Analyzing the Iron Age sites in Bijar city using archaeological prediction modeling and logistic regression: appraisal, processing, and performance of the model.. JRA 2022; 8 (2) :129-145
URL: http://jra-tabriziau.ir/article-1-331-fa.html

یکی از روش‌های آماری غالب در مدل‌سازی پیش‌بینی باستان‌شناختی؛ رِگرسیون لُجستیک است. مدل احتمالی که این روش به‌وجود می‌آورَد، برای اهداف این نوشتار مناسب است. زمانی‌که متغیر وابسته به‌صورت ارزش باینِری قابل بررسی باشد، روش رِگرسیون لُجستیک قابل اجراست. در این رویکردِ آماری ارزش باینِری به‌عنوان متغیر وابسته با ارزش حضور/عدم حضور محوطۀ باستان‌شناختی مشخص می‌شود. نتایج مدل احتمال رویداد یا وقوع (محوطۀ باستان‌شناختی) را در ارزش احتمالی بین یک و‌ صِفر نشان می‌دهد. عوامل زیست‌‌محیطی به‌صورت متغیرهای مستقل تعریف شده‌اند و رِگرسیون لُجستیک رابطۀ بین متغیرهای مستقل و متغیر وابسته و همچنین ارزش احتمالی متغیر وابسته را در همۀ نقاط نقشه محاسبه می‌کند. این نوشتار با چنین رویکردی به مفاهیم آماری و استفاده از مدل‌سازی به روش رِگرسیون لُجستیک با داده‌های حاصل از بررسی‌های میدانی باستان‌شناسی به تحلیل و تفسیر نتایج در محدودۀ شهرستان بیجار در استان کردستان پرداخته است. در مجموع، 71 محوطۀ عصر آهن به‌عنوان ورودی مدل‌سازی پیش‌بینی به ارائۀ پیشنهادی بهینه به‌منظور آماده‌سازی مدل برای این‌گونه رویکردها در باستان‌شناسی منجر شد. بااین‌حال، نتایج جدای از کمک به صرفه‌جویی در زمان، هزینه و افزایش دقت بررسی‌های باستان‌شناختی برای پروژه‌های آتی، نشان‌دهندۀ 90.4 درصد صحت پیش‌بینی با ارائۀ مناطق با احتمال بالا و کاهش محدودۀ بررسی است. همچنین نشان داده شده است که متغیرهای مستقل رودها و آبادی‌ها بیشترین تأثیرگذاری را بر نتیجۀ مدل و بر شکل‌گیری محوطه‌ها در چشم‌انداز داشته‌اند.